Unit 8: Statistics for Managerial Decisions FOCUS POINTS ONLY

Unit 8: Statistics for Managerial Decisions

Main Topics Covered:

• Introduction to Statistics
• Functions of Statistics
• Limitations of Statistics
• Methods of Collecting Data
• Primary vs Secondary Data
• Techniques of Primary Data Collection
• Sources of Secondary Data

Simple Explanation: Statistics helps managers make better decisions by collecting, organizing, and analyzing numerical data. It turns raw numbers into meaningful information for planning and forecasting.

Introduction to Statistics

Two Meanings of Statistics:

1. Plural Sense: Statistics refers to numerical data (e.g., sales numbers, production figures)
2. Singular Sense: Statistics is the science which deals with methods of collecting, organizing, presenting and interpreting numerical data

💭 Think: Your company sells 1000 units this month. Is this number alone "statistics"? What makes it useful for decision making?
Simple Hints: Consider both meanings of statistics. A single number becomes useful when compared with other data, analyzed for trends, or used for forecasting.

Functions of Statistics

Function	Explanation	Practical Example
1. Presents facts in simple form	Converts complex data into understandable format	Sales data converted into charts and graphs
2. Condenses mass data	Summarizes large amounts of information	1000 customer responses summarized into 5 key findings
3. Facilitates comparison	Helps compare different sets of data	Comparing this year's sales with last year's
4. Finds relationships	Identifies connections between different factors	Finding correlation between advertising spend and sales
5. Helps in forecasting	Predicts future trends based on past data	Predicting next quarter's sales based on past patterns
6. Formulates plans and policies	Provides basis for business decisions	Using market research data to launch new product
7. Derives valid inferences	Draws conclusions from data analysis	Concluding that Product A sells better in urban areas

Answer Structure with hints: Explain the functions of statistics in managerial decision making with examples. (6-8 Marks)

Hints:

• Start with brief definition of statistics
• List all 7 functions with examples
• Explain how each helps in managerial decisions
• Conclude with importance in business

Limitations of Statistics

Important Limitations:

1. Doesn't study individuals: Statistics studies groups, not individual cases
2. Not for qualitative phenomena: Can't measure love, beauty, satisfaction directly
3. Laws are not exact: Statistical conclusions are probabilistic, not certain
4. True only on average: May not apply to every individual case
5. Common people misuse: Can be misinterpreted by untrained people
6. Can be misused: Statistics can be manipulated to prove anything
7. Only one method: Should be used with other research methods

Remember: "There are three kinds of lies: lies, damned lies, and statistics." - Mark Twain

Simple Explanation: Statistics is like a powerful tool - useful when used correctly, dangerous when misused. It shows trends but can't explain why things happen.

💭 Think: Why might statistical data about average employee satisfaction be misleading for a manager?
Simple Hints: Consider limitations #1, #3, and #4. An average might hide individual dissatisfaction, and statistical results are probabilistic.

Answer Structure with hints: Discuss the limitations of statistics. (6 Marks)

Hints:

• Start by acknowledging importance of statistics
• List and explain 5-7 limitations
• Give examples for each limitation
• Conclude with proper use recommendations

Methods of Collecting Data

Important Definitions:

• Statistical Survey: Process of collecting data from Population or Sample
• Population/Universe: Totality of items under study
• Sample: A group selected from population for study

Method	Explanation	When to Use	Example
1. Census Method (Census Survey)	Data collected from EVERY individual or item in population	When population is small and accuracy is critical	Employee satisfaction survey in a 50-employee company
2. Sample Method (Sample Survey)	Data collected from SELECTED sample representing population	When population is large or time/money limited	Market research for new product with 1000 out of 1 million customers

💭 Think: If you want to know customer satisfaction for a bank with 10 million customers, which method would you choose and why?
Simple Hints: Consider population size, cost, time, and accuracy requirements. Sample method is practical for large populations.

Primary Data vs Secondary Data

Sl.No	Primary Data	Secondary Data
1	It is original (collected for first time)	It is not original (already collected by others)
2	It is in the form of raw materials	It is in the form of finished products
3	Collection involves more money and time	Less time and money are needed
4	It will be more accurate	It may not be accurate
5	Trained persons are required for collection	Investigator should be vigilant while collecting
6	Primary data after use become secondary data	It cannot be converted into Primary data

Simple Explanation:

• Primary Data: Like cooking fresh food at home - you control everything
• Secondary Data: Like eating at restaurant - someone else prepared it

Answer Structure with hints: Differentiate between Primary and Secondary data with examples. (6 Marks)

Hints:

• Define both types first
• Present differences in tabular form or pointwise
• Give at least 2 practical examples for each
• Mention when each is preferred

Techniques of Primary Data Collection

Technique	How it Works	Advantages	Disadvantages
1. Personal Interviews	Investigator personally meets informants and asks questions	Personal contact made Can expand on answers Verify accuracy Avoid misunderstanding	Expensive & time-consuming Requires trained persons Risk of personal bias
2. Telephone Interviews	Investigator asks questions over telephone	Cheap & quick Wide coverage possible Better response rate	Not for lengthy conversations Excludes non-phone owners Can't show visual materials
3. Mail Questionnaire	Questionnaire sent by post, filled and returned	Relatively cheap Good for distant respondents Thoughtful answers possible	Risk of misinterpretation Low response rate No personal clarification

Types of Personal Interviews:

1. Structured Questionnaire: Fixed questions with predefined answers
2. Unstructured Questions: Open-ended questions for detailed responses
3. Participant Observation: Researcher becomes part of group being studied

💭 Think: You need to collect data about online shopping habits. Which technique would be most effective and why?
Simple Hints: Consider target audience (likely tech-savvy), need for detailed responses, and geographical spread. Online surveys might be better than traditional methods.

Sources of Secondary Data

Type	Sources	Examples
Published Sources	Officially published by organizations	Government reports Census data Annual reports of companies Newspapers & magazines Research journals
Unpublished Sources	Not officially published but available	Company internal records Thesis/dissertations Research papers Private diaries/letters Unpublished government data

Answer Structure with hints: Explain different methods of collecting primary data. Which method would you recommend for a market research study and why? (8 Marks)

Hints:

• List and explain all 3 techniques with examples
• Compare advantages and disadvantages
• For market research, consider: target audience, budget, time, accuracy needed
• Justify your choice with specific reasons
• Mention if combination of methods might work

Important Point: Always verify the reliability of secondary data sources. Check who collected it, when, why, and how to ensure it's suitable for your purpose.

Unit 8: Statistics for Managerial Decisions (മാനേജീരിയൽ തീരുമാനങ്ങൾക്കുള്ള സ്ഥിതിവിവരക്കണക്ക്)

പ്രധാന പാഠഭാഗങ്ങൾ:

• സ്ഥിതിവിവരക്കണക്കിന്റെ പരിചയം
• സ്ഥിതിവിവരക്കണക്കിന്റെ പ്രവർത്തനങ്ങൾ
• സ്ഥിതിവിവരക്കണക്കിന്റെ പരിമിതികൾ
• ഡാറ്റ ശേഖരിക്കാനുള്ള രീതികൾ
• പ്രാഥമിക, ദ്വിതീയ ഡാറ്റ
• പ്രാഥമിക ഡാറ്റ ശേഖരണ രീതികൾ
• ദ്വിതീയ ഡാറ്റയുടെ സ്രോതസ്സുകൾ

ലളിത വിശദീകരണം: സ്ഥിതിവിവരക്കണക്ക് സംഖ്യാപരമായ ഡാറ്റ ശേഖരിക്കുന്നതിലൂടെയും ഓർഗനൈസ് ചെയ്യുന്നതിലൂടെയും വിശകലനം ചെയ്യുന്നതിലൂടെയും മാനേജർമാർക്ക് മെച്ചപ്പെട്ട തീരുമാനങ്ങൾ എടുക്കാൻ സഹായിക്കുന്നു. അസംസ്കൃത സംഖ്യകളെ പദ്ധതിയും പ്രവചനവുമായി അർത്ഥവത്തായ വിവരങ്ങളാക്കി മാറ്റുന്നു.

സ്ഥിതിവിവരക്കണക്കിന്റെ പരിചയം

സ്ഥിതിവിവരക്കണക്കിന്റെ രണ്ട് അർത്ഥങ്ങൾ:

1. ബഹുവചന അർത്ഥം: സ്ഥിതിവിവരക്കണക്ക് സംഖ്യാപരമായ ഡാറ്റയെ സൂചിപ്പിക്കുന്നു (ഉദാ: വിൽപ്പന സംഖ്യകൾ, ഉൽപാദന കണക്കുകൾ)
2. ഏകവചന അർത്ഥം: സ്ഥിതിവിവരക്കണക്ക് എന്നത് സംഖ്യാപരമായ ഡാറ്റ ശേഖരിക്കാനും ഓർഗനൈസ് ചെയ്യാനും അവതരിപ്പിക്കാനും വ്യാഖ്യാനിക്കാനുമുള്ള രീതികൾ കൈകാര്യം ചെയ്യുന്ന ശാസ്ത്രമാണ്

💭 ചിന്തിക്കുക: നിങ്ങളുടെ കമ്പനി ഈ മാസം 1000 യൂണിറ്റുകൾ വിൽക്കുന്നു. ഈ സംഖ്യ മാത്രം "സ്ഥിതിവിവരക്കണക്ക്" ആണോ? തീരുമാനങ്ങൾ എടുക്കുന്നതിന് ഇതിനെ ഉപയോഗപ്രദമാക്കുന്നത് എന്താണ്?
ലളിത സൂചനകൾ: സ്ഥിതിവിവരക്കണക്കിന്റെ രണ്ട് അർത്ഥങ്ങളും പരിഗണിക്കുക. ഒരു സംഖ്യ മറ്റ് ഡാറ്റയുമായി താരതമ്യം ചെയ്യുമ്പോഴോ പ്രവണതകൾക്കായി വിശകലനം ചെയ്യുമ്പോഴോ പ്രവചനത്തിനായി ഉപയോഗിക്കുമ്പോഴോ ഉപയോഗപ്രദമാകുന്നു.

സ്ഥിതിവിവരക്കണക്കിന്റെ പ്രവർത്തനങ്ങൾ

പ്രവർത്തനം	വിശദീകരണം	പ്രായോഗിക ഉദാഹരണം
1. വസ്തുതകൾ ലളിതരൂപത്തിൽ അവതരിപ്പിക്കുന്നു	സങ്കീർണ്ണമായ ഡാറ്റ മനസ്സിലാക്കാവുന്ന രൂപത്തിലേക്ക് പരിവർത്തനം ചെയ്യുന്നു	വിൽപ്പന ഡാറ്റ ചാർട്ടുകളിലും ഗ്രാഫുകളിലും പരിവർത്തനം ചെയ്യുന്നു
2. സമൂഹ ഡാറ്റയെ സംഗ്രഹിക്കുന്നു	വലിയ അളവിലുള്ള വിവരങ്ങളെ സംഗ്രഹിക്കുന്നു	1000 കസ്റ്റമർ പ്രതികരണങ്ങൾ 5 പ്രധാന കണ്ടെത്തലുകളായി സംഗ്രഹിക്കുന്നു
3. താരതമ്യം സുസാധ്യമാക്കുന്നു	വ്യത്യസ്ത സെറ്റ് ഡാറ്റകൾ താരതമ്യം ചെയ്യാൻ സഹായിക്കുന്നു	ഈ വർഷത്തെ വിൽപ്പന കഴിഞ്ഞ വർഷവുമായി താരതമ്യം ചെയ്യുന്നു
4. ബന്ധങ്ങൾ കണ്ടെത്തുന്നു	വ്യത്യസ്ത ഘടകങ്ങൾ തമ്മിലുള്ള ബന്ധങ്ങൾ തിരിച്ചറിയുന്നു	പരസ്യച്ചെലവും വിൽപ്പനയും തമ്മിലുള്ള ബന്ധം കണ്ടെത്തുന്നു
5. പ്രവചനത്തിൽ സഹായിക്കുന്നു	കഴിഞ്ഞ ഡാറ്റയെ അടിസ്ഥാനമാക്കി ഭാവിയിലെ പ്രവണതകൾ പ്രവചിക്കുന്നു	കഴിഞ്ഞ പാറ്റേണുകളെ അടിസ്ഥാനമാക്കി അടുത്ത ക്വാർട്ടറിലെ വിൽപ്പന പ്രവചിക്കുന്നു
6. പദ്ധതികളും നയങ്ങളും രൂപപ്പെടുത്തുന്നു	ബിസിനസ് തീരുമാനങ്ങൾക്ക് അടിസ്ഥാനം നൽകുന്നു	പുതിയ ഉൽപ്പന്നം ലോഞ്ച് ചെയ്യുന്നതിന് മാർക്കറ്റ് ഗവേഷണ ഡാറ്റ ഉപയോഗിക്കുന്നു
7. സാധുതയുള്ള നിഗമനങ്ങൾ എത്തിക്കുന്നു	ഡാറ്റ വിശകലനത്തിൽ നിന്ന് നിഗമനങ്ങളിലെത്തുന്നു	ഉൽപ്പന്നം A നഗരപ്രദേശങ്ങളിൽ കൂടുതൽ വിൽക്കുന്നു എന്ന് നിഗമനം ചെയ്യുന്നു

ഉത്തര ഘടന സൂചനകളോടെ: ഉദാഹരണങ്ങളുമായി മാനേജീരിയൽ തീരുമാനങ്ങൾ എടുക്കുന്നതിൽ സ്ഥിതിവിവരക്കണക്കിന്റെ പ്രവർത്തനങ്ങൾ വിശദീകരിക്കുക. (6-8 മാർക്ക്)

സൂചനകൾ:

• സ്ഥിതിവിവരക്കണക്കിന്റെ ചുരുക്കിയ നിർവ്വചനത്തിൽ നിന്ന് ആരംഭിക്കുക
• എല്ലാ 7 പ്രവർത്തനങ്ങളും ഉദാഹരണങ്ങളോടെ പട്ടികപ്പെടുത്തുക
• ഓരോന്നും മാനേജീരിയൽ തീരുമാനങ്ങളിൽ എങ്ങനെ സഹായിക്കുന്നു എന്ന് വിശദീകരിക്കുക
• ബിസിനസ്സിലെ പ്രാധാന്യം ഉപസംഹരിക്കുക

സ്ഥിതിവിവരക്കണക്കിന്റെ പരിമിതികൾ

പ്രധാന പരിമിതികൾ:

1. വ്യക്തികളെ പഠിക്കുന്നില്ല: സ്ഥിതിവിവരക്കണക്ക് ഗ്രൂപ്പുകളെ പഠിക്കുന്നു, വ്യക്തികളെയല്ല
2. ഗുണപരമായ പ്രതിഭാസങ്ങൾക്ക് അനുയോജ്യമല്ല: സ്നേഹം, സൗന്ദര്യം, തൃപ്തി മുതലായവ നേരിട്ട് അളക്കാൻ കഴിയില്ല
3. നിയമങ്ങൾ കൃത്യമല്ല: സ്ഥിതിവിവരക്കണക്ക് നിഗമനങ്ങൾ പ്രോബബിലിസ്റ്റിക് ആണ്, ഉറപ്പുള്ളതല്ല
4. ശരാശരിയിൽ മാത്രം ശരിയാണ്: ഓരോ വ്യക്തികളുടെയും കേസിൽ ബാധകമായേക്കില്ല
5. സാധാരണക്കാർ തെറ്റായി ഉപയോഗിക്കുന്നു: പരിശീലനമില്ലാത്ത ആളുകൾ തെറ്റായി വ്യാഖ്യാനിക്കാം
6. ദുരുപയോഗം സാധ്യമാണ്: എന്തും തെളിയിക്കാൻ സ്ഥിതിവിവരക്കണക്ക് കൈകാര്യം ചെയ്യാം
7. ഒരു രീതി മാത്രം: മറ്റ് ഗവേഷണ രീതികളുമായി ഒരുമിച്ച് ഉപയോഗിക്കണം

ഓർക്കുക: "മൂന്ന് തരം അസത്യങ്ങളുണ്ട്: അസത്യങ്ങൾ, കഠിനമായ അസത്യങ്ങൾ, സ്ഥിതിവിവരക്കണക്ക്." - മാർക്ക് ട്വെയിൻ

ലളിത വിശദീകരണം: സ്ഥിതിവിവരക്കണക്ക് ഒരു ശക്തമായ ഉപകരണം പോലെയാണ് - ശരിയായി ഉപയോഗിച്ചാൽ ഉപയോഗപ്രദമാണ്, തെറ്റായി ഉപയോഗിച്ചാൽ അപകടകരമാണ്. ഇത് പ്രവണതകൾ കാണിക്കുന്നു, പക്ഷേ എന്തുകൊണ്ടാണ് കാര്യങ്ങൾ സംഭവിക്കുന്നതെന്ന് വിശദീകരിക്കാൻ കഴിയില്ല.

💭 ചിന്തിക്കുക: ശരാശരി ജീവനക്കാരുടെ തൃപ്തിയെക്കുറിച്ചുള്ള സ്ഥിതിവിവരക്കണക്ക് ഡാറ്റ എന്തുകൊണ്ട് ഒരു മാനേജറെ തെറ്റിദ്ധരിപ്പിക്കാം?
ലളിത സൂചനകൾ: പരിമിതികൾ #1, #3, #4 പരിഗണിക്കുക. ഒരു ശരാശരി വ്യക്തിഗത അതൃപ്തി മറയ്ക്കാം, സ്ഥിതിവിവരക്കണക്ക് ഫലങ്ങൾ പ്രോബബിലിസ്റ്റിക് ആണ്.

ഉത്തര ഘടന സൂചനകളോടെ: സ്ഥിതിവിവരക്കണക്കിന്റെ പരിമിതികൾ ചർച്ച ചെയ്യുക. (6 മാർക്ക്)

സൂചനകൾ:

• സ്ഥിതിവിവരക്കണക്കിന്റെ പ്രാധാന്യം സ്വീകരിച്ച് ആരംഭിക്കുക
• 5-7 പരിമിതികൾ പട്ടികപ്പെടുത്തി വിശദീകരിക്കുക
• ഓരോ പരിമിതിക്കും ഉദാഹരണങ്ങൾ നൽകുക
• ശരിയായ ഉപയോഗ ശുപാർശകളോടെ ഉപസംഹരിക്കുക

ഡാറ്റ ശേഖരിക്കാനുള്ള രീതികൾ

പ്രധാന നിർവ്വചനങ്ങൾ:

• സ്ഥിതിവിവരക്കണക്ക് സർവ്വെ: ജനസംഖ്യയിൽ നിന്നോ സാമ്പിളിൽ നിന്നോ ഡാറ്റ ശേഖരിക്കുന്ന പ്രക്രിയ
• ജനസംഖ്യ/യൂണിവേഴ്സ്: പഠനത്തിന് കീഴിലുള്ള ഇനങ്ങളുടെ ആകെത്തുക
• സാമ്പിൾ: പഠനത്തിനായി ജനസംഖ്യയിൽ നിന്ന് തിരഞ്ഞെടുത്ത ഒരു ഗ്രൂപ്പ്

രീതി	വിശദീകരണം	എപ്പോൾ ഉപയോഗിക്കണം	ഉദാഹരണം
1. സെൻസസ് രീതി (സെൻസസ് സർവ്വേ)	ജനസംഖ്യയിലെ എല്ലാ വ്യക്തികളിൽ നിന്നും ഡാറ്റ ശേഖരിക്കുന്നു	ജനസംഖ്യ ചെറുതും കൃത്യത വളരെ പ്രധാനപ്പെട്ടതുമായിരിക്കുമ്പോൾ	50 ജീവനക്കാരുള്ള ഒരു കമ്പനിയിൽ ജീവനക്കാരുടെ തൃപ്തി സർവ്വെ
2. സാമ്പിൾ രീതി (സാമ്പിൾ സർവ്വേ)	ജനസംഖ്യയെ പ്രതിനിധീകരിക്കുന്ന തിരഞ്ഞെടുത്ത സാമ്പിളിൽ നിന്ന് ഡാറ്റ ശേഖരിക്കുന്നു	ജനസംഖ്യ വലുതോ സമയം/പണം പരിമിതമോ ആയിരിക്കുമ്പോൾ	10 ലക്ഷം കസ്റ്റമർമാരിൽ 1000 പേരിൽ പുതിയ ഉൽപ്പന്നത്തിനുള്ള മാർക്കറ്റ് ഗവേഷണം

💭 ചിന്തിക്കുക: 1 കോടി കസ്റ്റമർമാരുള്ള ഒരു ബാങ്കിനുള്ള കസ്റ്റമർ സാറ്റിസ്ഫാക്ഷൻ അറിയണമെങ്കിൽ, ഏത് രീതി തിരഞ്ഞെടുക്കും? എന്തുകൊണ്ട്?
ലളിത സൂചനകൾ: ജനസംഖ്യയുടെ വലുപ്പം, ചെലവ്, സമയം, കൃത്യത ആവശ്യകതകൾ പരിഗണിക്കുക. വലിയ ജനസംഖ്യയ്ക്ക് സാമ്പിൾ രീതി പ്രായോഗികമാണ്.

പ്രാഥമിക ഡാറ്റ vs ദ്വിതീയ ഡാറ്റ

Sl.No	പ്രാഥമിക ഡാറ്റ	ദ്വിതീയ ഡാറ്റ
1	ഇത് ഒറിജിനൽ ആണ് (ആദ്യമായി ശേഖരിച്ചത്)	ഇത് ഒറിജിനൽ അല്ല (മറ്റുള്ളവർ ഇതിനകം ശേഖരിച്ചത്)
2	ഇത് അസംസ്കൃത വസ്തുക്കളുടെ രൂപത്തിലാണ്	ഇത് സംസ്കരിച്ച ഉൽപ്പന്നങ്ങളുടെ രൂപത്തിലാണ്
3	ശേഖരണത്തിന് കൂടുതൽ പണവും സമയവും ആവശ്യമാണ്	കുറഞ്ഞ സമയവും പണവും മതി
4	ഇത് കൂടുതൽ കൃത്യമായിരിക്കും	ഇത് കൃത്യമായിരിക്കണമെന്നില്ല
5	ശേഖരണത്തിന് പരിശീലിതരായ വ്യക്തികൾ ആവശ്യമാണ്	ഈ ഡാറ്റ ശേഖരിക്കുമ്പോൾ അന്വേഷകൻ ജാഗ്രത പുലർത്തണം
6	ഉപയോഗത്തിന് ശേഷം പ്രാഥമിക ഡാറ്റ ദ്വിതീയ ഡാറ്റയായി മാറുന്നു	ഇത് പ്രാഥമിക ഡാറ്റയാക്കി മാറ്റാൻ കഴിയില്ല

ലളിത വിശദീകരണം:

• പ്രാഥമിക ഡാറ്റ: വീട്ടിൽ പുതിയതായി ഭക്ഷണം പാകം ചെയ്യുന്നത് പോലെ - നിങ്ങൾ എല്ലാം നിയന്ത്രിക്കുന്നു
• ദ്വിതീയ ഡാറ്റ: ഹോട്ടലിൽ ഭക്ഷണം കഴിക്കുന്നത് പോലെ - മറ്റാരോ അത് തയ്യാറാക്കി

ഉത്തര ഘടന സൂചനകളോടെ: ഉദാഹരണങ്ങളുമായി പ്രാഥമിക ഡാറ്റയും ദ്വിതീയ ഡാറ്റയും തമ്മിലുള്ള വ്യത്യാസം വിശദീകരിക്കുക. (6 മാർക്ക്)

സൂചനകൾ:

• ആദ്യം രണ്ട് തരവും നിർവ്വചിക്കുക
• പട്ടിക രൂപത്തിലോ പോയിന്റ് വൈസ് വ്യത്യാസങ്ങൾ അവതരിപ്പിക്കുക
• ഓരോന്നിനും കുറഞ്ഞത് 2 പ്രായോഗിക ഉദാഹരണങ്ങൾ നൽകുക
• ഓരോന്നും എപ്പോൾ പ്രാധാന്യം നൽകുന്നു എന്ന് സൂചിപ്പിക്കുക

പ്രാഥമിക ഡാറ്റ ശേഖരണ രീതികൾ

രീതി	എങ്ങനെ പ്രവർത്തിക്കുന്നു	ഗുണങ്ങൾ	ദോഷങ്ങൾ
1. വ്യക്തിപരമായ ഇന്റർവ്യൂ	അന്വേഷകൻ വ്യക്തിപരമായി ഇൻഫോമൻറുമാരെ കണ്ടുമുട്ടി ചോദ്യങ്ങൾ ചോദിക്കുന്നു	വ്യക്തിപരമായ ബന്ധം സ്ഥാപിക്കുന്നു ഉത്തരങ്ങൾ വിപുലീകരിക്കാം കൃത്യത പരിശോധിക്കാം തെറ്റായ വ്യാഖ്യാനം ഒഴിവാക്കാം	വിലയേറിയതും സമയം കാരിയുമാണ് പരിശീലിതരായ വ്യക്തികൾ ആവശ്യമാണ് അന്വേഷകന്റെ വ്യക്തിപരമായ മുൻവിധി അപകടസാധ്യത
2. ടെലിഫോൺ ഇന്റർവ്യൂ	അന്വേഷകൻ ടെലിഫോണിലൂടെ ചോദ്യങ്ങൾ ചോദിക്കുന്നു	വിലകുറഞ്ഞതും വേഗത്തിലുള്ളതുമാണ് വിപുലമായ കവറേജ് സാധ്യമാണ് നല്ല പ്രതികരണ നിരക്ക്	ദീർഘസംഭാഷണങ്ങൾക്ക് അനുയോജ്യമല്ല ഫോൺ ഇല്ലാത്തവരെ ഒഴിവാക്കുന്നു വിഷ്വൽ മെറ്റീരിയലുകൾ കാണിക്കാൻ കഴിയില്ല
3. മെയിൽ ക്വഷ്ച്ണെയർ	ക്വഷ്ച്ണെയർ പോസ്റ്റ് വഴി അയച്ച് പൂരിപ്പിച്ച് തിരികെ അയയ്ക്കുന്നു	താരതമ്യേന വിലകുറഞ്ഞതാണ് ദൂരെ താമസിക്കുന്ന ഇൻഫോമൻറുമാർക്ക് നല്ലതാണ് ചിന്താപൂർവമായ ഉത്തരങ്ങൾ നൽകാൻ സഹായിക്കുന്നു	തെറ്റായ വ്യാഖ്യാനത്തിന്റെ അപകടസാധ്യത കുറഞ്ഞ പ്രതികരണ നിരക്ക് വ്യക്തിപരമായ വ്യക്തീകരണം ഇല്ല

വ്യക്തിപരമായ ഇന്റർവ്യൂകളുടെ തരങ്ങൾ:

1. സ്ട്രക്ചർഡ് ക്വഷ്ച്ണെയർ: മുൻനിർവ്വചിത ഉത്തരങ്ങളുള്ള നിശ്ചിത ചോദ്യങ്ങൾ
2. അൺസ്ട്രക്ചർഡ് ക്വഷ്ചൻസ്: വിശദമായ പ്രതികരണങ്ങൾക്കുള്ള തുറന്ന ചോദ്യങ്ങൾ
3. പാർട്ടിസിപന്റ് ഒബ്സർവേഷൻ: ഗവേഷകൻ പഠിക്കപ്പെടുന്ന ഗ്രൂപ്പിന്റെ ഭാഗമാകുന്നു

💭 ചിന്തിക്കുക: ഓൺലൈൻ ഷോപ്പിംഗ് ശീലങ്ങളെക്കുറിച്ച് ഡാറ്റ ശേഖരിക്കണം. ഏത് രീതിയാണ് ഏറ്റവും ഫലപ്രദമായിരിക്കുക? എന്തുകൊണ്ട്?
ലളിത സൂചനകൾ: ടാർഗെറ്റ് പ്രേക്ഷകർ (സാധ്യതയുള്ള ടെക്-സേവി), വിശദമായ പ്രതികരണങ്ങളുടെ ആവശ്യകത, ഭൂമിശാസ്ത്രപരമായ വ്യാപനം പരിഗണിക്കുക. പരമ്പരാഗത രീതികളേക്കാൾ ഓൺലൈൻ സർവേകൾ മികച്ചതായിരിക്കാം.

ദ്വിതീയ ഡാറ്റയുടെ സ്രോതസ്സുകൾ

തരം	സ്രോതസ്സുകൾ	ഉദാഹരണങ്ങൾ
പ്രസിദ്ധീകരിച്ച സ്രോതസ്സുകൾ	ഓർഗനൈസേഷനുകൾ ഔദ്യോഗികമായി പ്രസിദ്ധീകരിച്ചത്	സർക്കാർ റിപ്പോർട്ടുകൾ സെൻസസ് ഡാറ്റ കമ്പനികളുടെ വാർഷിക റിപ്പോർട്ടുകൾ വർത്തമാനപത്രങ്ങളും മാസികകളും ഗവേഷണ ജേണലുകൾ
പ്രസിദ്ധീകരിക്കാത്ത സ്രോതസ്സുകൾ	ഔദ്യോഗികമായി പ്രസിദ്ധീകരിച്ചിട്ടില്ലെങ്കിലും ലഭ്യമാണ്	കമ്പനി ആന്തരിക റെക്കോർഡുകൾ തീസിസ്/ഡിസർട്ടേഷനുകൾ ഗവേഷണ പേപ്പറുകൾ സ്വകാര്യ ഡയറികൾ/കത്തുകൾ പ്രസിദ്ധീകരിക്കാത്ത സർക്കാർ ഡാറ്റ

ഉത്തര ഘടന സൂചനകളോടെ: പ്രാഥമിക ഡാറ്റ ശേഖരിക്കാനുള്ള വിവിധ രീതികൾ വിശദീകരിക്കുക. ഒരു മാർക്കറ്റ് ഗവേഷണ പഠനത്തിന് ഏത് രീതി നിങ്ങൾ ശുപാർശ ചെയ്യും? എന്തുകൊണ്ട്? (8 മാർക്ക്)

സൂചനകൾ:

• എല്ലാ 3 സാങ്കേതികതകളും ഉദാഹരണങ്ങളോടെ പട്ടികപ്പെടുത്തി വിശദീകരിക്കുക
• ഗുണങ്ങളും ദോഷങ്ങളും താരതമ്യം ചെയ്യുക
• മാർക്കറ്റ് ഗവേഷണത്തിനായി പരിഗണിക്കുക: ടാർഗെറ്റ് പ്രേക്ഷകർ, ബജറ്റ്, സമയം, ആവശ്യമായ കൃത്യത
• നിർദ്ദിഷ്ട കാരണങ്ങളോടെ നിങ്ങളുടെ തിരഞ്ഞെടുപ്പ് ന്യായീകരിക്കുക
• രീതികളുടെ സംയോജനം പ്രവർത്തിക്കുമോ എന്ന് സൂചിപ്പിക്കുക

പ്രധാന കാര്യം: എല്ലായ്പ്പോഴും ദ്വിതീയ ഡാറ്റ സ്രോതസ്സുകളുടെ വിശ്വസനീയത പരിശോധിക്കുക. ഇത് ആർ ശേഖരിച്ചു, എപ്പോൾ, എന്തിനായി, എങ്ങനെ എന്നിവ പരിശോധിക്കുക, അത് നിങ്ങളുടെ ആവശ്യത്തിന് അനുയോജ്യമാണെന്ന് ഉറപ്പാക്കുക.

Important Exam Questions

Expected Questions for Exam:

1. Define statistics and explain its functions in managerial decisions (8 Marks)
2. Discuss the limitations of statistics (6 Marks)
3. Differentiate between primary and secondary data with examples (6 Marks)
4. Explain different methods of collecting primary data (8 Marks)
5. Compare census method and sample method (4 Marks)
6. What are the sources of secondary data? Explain (4 Marks)
7. Differentiate between personal interviews and mail questionnaires (4 Marks)
8. Explain the importance of statistics in business decision making (6 Marks)

ഈ ചാപ്റ്റർ നിങ്ങളുടെ പഠനത്തിന് സഹായകരമാകുമെന്ന് പ്രതീക്ഷിക്കുന്നു. സ്ഥിതിവിവരക്കണക്ക് ശരിയായി ഉപയോഗിച്ചാൽ നല്ല തീരുമാനങ്ങൾ എടുക്കാൻ സഹായിക്കുന്ന ഒരു ശക്തമായ ഉപകരണമാണ്!